論文の概要: Algorithms for Hiring and Outsourcing in the Online Labor Market
- arxiv url: http://arxiv.org/abs/2002.07618v1
- Date: Sun, 16 Feb 2020 18:56:26 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-31 17:58:54.078523
- Title: Algorithms for Hiring and Outsourcing in the Online Labor Market
- Title（参考訳）: オンライン労働市場における雇用・アウトソーシングのアルゴリズム
- Authors: Aris Anagnostopoulos and Carlos Castillo and Adriano Fazzone and
Stefano Leonardi and Evimaria Terzi
- Abstract要約: 労働者をアウトソーシングし、雇用するためのアルゴリズムを概ね提供する。
私たちはこのモデルチーム形成をアウトソーシングと呼びます。
私たちの貢献は、チームメンバを雇い、解雇し、タスクをアウトソーシングするための効率的なオンラインコスト最小化アルゴリズムです。
- 参考スコア（独自算出の注目度）: 12.893230873578878
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Although freelancing work has grown substantially in recent years, in part
facilitated by a number of online labor marketplaces, (e.g., Guru, Freelancer,
Amazon Mechanical Turk), traditional forms of "in-sourcing" work continue being
the dominant form of employment. This means that, at least for the time being,
freelancing and salaried employment will continue to co-exist. In this paper,
we provide algorithms for outsourcing and hiring workers in a general setting,
where workers form a team and contribute different skills to perform a task. We
call this model team formation with outsourcing. In our model, tasks arrive in
an online fashion: neither the number nor the composition of the tasks is known
a-priori. At any point in time, there is a team of hired workers who receive a
fixed salary independently of the work they perform. This team is dynamic: new
members can be hired and existing members can be fired, at some cost.
Additionally, some parts of the arriving tasks can be outsourced and thus
completed by non-team members, at a premium. Our contribution is an efficient
online cost-minimizing algorithm for hiring and firing team members and
outsourcing tasks. We present theoretical bounds obtained using a primal-dual
scheme proving that our algorithms have a logarithmic competitive approximation
ratio. We complement these results with experiments using semi-synthetic
datasets based on actual task requirements and worker skills from three large
online labor marketplaces.
- Abstract（参考訳）: 近年、フリーランスの仕事は大幅に増加しているが、一部はオンライン労働市場(グル、フリーランサー、アマゾン・メカニカル・タークなど)によって促進されている。
これは、少なくとも当面は、フリーランスと給与雇用が共存し続けることを意味する。
本稿では,作業員がチームを結成し,作業を行うためのさまざまなスキルを提供する,一般的な作業員のアウトソーシングと採用のためのアルゴリズムを提供する。
私たちはこのモデルチーム形成をアウトソーシングと呼びます。
私たちのモデルでは、タスクはオンラインに届き、タスクの数や構成はa-prioriとして知られていません。
任意の時点において、雇用された労働者のチームは、自分が行う仕事とは無関係に定額の給与を受け取る。
新しいメンバを雇うことができ、既存のメンバを何らかのコストで解雇することができる。
さらに、到着するタスクの一部をアウトソースして、非チームメンバーがプレミアムで完了させることができる。
私たちの貢献は、チームメンバの雇用と解雇とアウトソーシングタスクのための、効率的なオンラインコスト最小化アルゴリズムです。
本稿では,アルゴリズムが対数競合近似比を持つことを示す原始双対スキームを用いて得られた理論的境界について述べる。
これらの結果を,3大オンライン労働市場における実際の課題要件と作業スキルに基づく半合成データセットを用いた実験で補完する。
関連論文リスト
- WorkArena++: Towards Compositional Planning and Reasoning-based Common Knowledge Work Tasks [85.95607119635102]
大型言語モデル(LLM)は人間のような知性を模倣することができる。
WorkArena++は、Webエージェントの計画、問題解決、論理的/論理的推論、検索、コンテキスト的理解能力を評価するように設計されている。
論文 参考訳（メタデータ） (2024-07-07T07:15:49Z) - Contractual Reinforcement Learning: Pulling Arms with Invisible Hands [68.77645200579181]
本稿では,契約設計によるオンライン学習問題において,利害関係者の経済的利益を整合させる理論的枠組みを提案する。
計画問題に対して、遠目エージェントに対する最適契約を決定するための効率的な動的プログラミングアルゴリズムを設計する。
学習問題に対して,契約の堅牢な設計から探索と搾取のバランスに至るまでの課題を解き放つために,非回帰学習アルゴリズムの汎用設計を導入する。
論文 参考訳（メタデータ） (2024-07-01T16:53:00Z) - On the Necessity of Collaboration for Online Model Selection with Decentralized Data [53.244188985271606]
我々は,100万ドル以上の分散データを用いたオンラインモデル選択について検討し,クライアント間のコラボレーションの必要性について検討する。
i) クライアント上の計算コストが$o(K)$に制限された場合, (ii) クライアント上での計算制約がない場合, (i) 協調は不要であり, (ii) クライアント上での計算コストは$o(K)$に制限される。
論文 参考訳（メタデータ） (2024-04-15T06:32:28Z) - WorkArena: How Capable Are Web Agents at Solving Common Knowledge Work Tasks? [83.19032025950986]
本稿では,Webブラウザを介してソフトウェアと対話する大規模言語モデルベースエージェントについて検討する。
WorkArenaは、広く使用されているServiceNowプラットフォームに基づく33のタスクのベンチマークである。
BrowserGymは、そのようなエージェントの設計と評価のための環境である。
論文 参考訳（メタデータ） (2024-03-12T14:58:45Z) - Treating Crowdsourcing as Examination: How to Score Tasks and Online
Workers? [7.403065976821757]
我々は、その能力に基づいて労働者を4つのタイプとしてモデル化しようと試みている。
作業者の能力は主に中堅な作業に基づいて評価し, 作業者からの回答の重みを減らし, スパマーからの回答を修正した。
論文 参考訳（メタデータ） (2022-04-26T05:15:58Z) - A Worker-Task Specialization Model for Crowdsourcing: Efficient
Inference and Fundamental Limits [20.955889997204693]
クラウドソーシングシステムは、専門家でない労働者を用いて比較的低コストでデータをラベル付けするための効果的なプラットフォームとして登場した。
本稿では、各タスクとワーカーが独自の(未知の)タイプを持つ、$d$-type Specialization modelという新しいモデルを検討する。
本稿では,タスクの種類や作業者のタイプが不明な場合でも,順序的に最適限を満たすラベル推論アルゴリズムを提案する。
論文 参考訳（メタデータ） (2021-11-19T05:32:59Z) - Crowdsourcing with Meta-Workers: A New Way to Save the Budget [50.04836252733443]
我々は,AIに適したタスクの種類をメタラーニングで学習したマシンアノテータであるEmphmeta-workerの概念を紹介した。
一般の群衆労働者とは異なり、メタワーカーは信頼性があり、安定しており、さらに重要なことはタイヤレスで自由である。
論文 参考訳（メタデータ） (2021-11-07T12:40:29Z) - An Extensive Analytical Approach on Human Resources using Random Forest
Algorithm [0.0]
調査では、ワークライフの不均衡、低賃金、不均一なシフトなど、従業員がワークライフを変えることを考えることが示されました。
本稿では,異なる従業員パラメータを考慮したランダムフォレストアルゴリズムを用いたモデルを提案する。
hr部門がギャップを特定し、良好な従業員保持率で組織をスムーズに運営することを支援することで、従業員の維持を支援する。
論文 参考訳（メタデータ） (2021-05-07T07:35:23Z) - COG: Connecting New Skills to Past Experience with Offline Reinforcement
Learning [78.13740204156858]
我々は、動的プログラミングによって新しいスキルを拡張するために、事前データを再利用できることを示します。
我々は、新しいタスクを解決するために、以前のデータセットに見られるいくつかの動作をチェーンすることで、アプローチの有効性を実証する。
我々は、高次元画像観察を低レベルのロボット制御コマンドにマッピングし、エンドツーエンドでポリシーを訓練する。
論文 参考訳（メタデータ） (2020-10-27T17:57:29Z) - A Stochastic Team Formation Approach for Collaborative Mobile
Crowdsourcing [1.4209473797379666]
我々は,SN隣人に関する労働者の知識を活用するアルゴリズムを開発し,特定のリーダーに適切なチームを募集するよう依頼する。
提案アルゴリズムは最適な停止戦略から着想を得て,オッズアルゴリズムを用いて出力を算出する。
実験結果から, ベンチマーク指数最適解と比較して, 提案手法は時間を短縮し, 妥当な性能が得られることがわかった。
論文 参考訳（メタデータ） (2020-04-28T22:44:37Z) - Algorithms for Fair Team Formation in Online Labour Marketplaces [6.446179861303341]
我々は、機械学習とアルゴリズムデータ分析ツールを用いて労働者を雇用するプロセスが、国籍や性別に基づいて、意図せずにも差別されないことを保証することを目指している。
フェアチーム形成問題に対して,問題自体に対する4つのアルゴリズムとともに不適応性を示す。
また、オンライン労働市場からの実データを用いて実験を行うことにより、アルゴリズムソリューションの有効性を検証した。
論文 参考訳（メタデータ） (2020-02-14T11:33:35Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。